Hovedtrekk

Tabellen under viser overordnede kvalitesindikatorer for å vurdere sesongmessigheten i justerte og ujusterte tidsserier. Sesong angir om det er identifiserbart sesongmønster i den ujusterte tidsserien. Justering frarådes dersom indikatoren viser not present. M7 angir andelen bevegelig sesong i forhold til stabil sesong. Sesong- og trendkomponenter lar seg identifisere dersom denne verdien er lavere enn én. Dersom verdien er over 1,2 lar et eventuelt sesongmønster seg vanskelig identifisere. M10 og M11 angir henholdsvis tilfeldig og lineær bevegelse i sesongkomponenten for de siste årene. Dersom indikatorene har verdi over én kan det tyde på at justeringen er av lavere kvalitet i enden av tidsserien. Q angir vektet gjennomnsnitt av de elleve M-indikatorene fra X-12-ARIMA. En Q-verdi over én kan tilsi at dekomponeringen er av lav kvalitet.

Kolonnene qs, fried og f_reg angir p-verdi til tre ulike tester for om det er residualsesong i de sesongjusterte tallene. Testenes nullhypotese er at det ikke er sesongmønster i de sesongjusterte tallene. Hver av testene vurderer imidlertid residualesesong på litt ulik måte. qs tester grad av autokorrelasjon i den sesongjusterte serien for observasjoner av samme måned. fried er en ikke-parametrisk test for residualsesong som vurderer de månedlige sesongeffektenes rangering på tvers av år. f_reg er en paramterisk f-test som tester for residualsesong ved å gjøre en regresjon med henblikk på måneder, for deretter å teste om regresjonskoeffisientene samlet sett er signifikant forskjellig fra null. Dersom testenes p-verdien er lavere enn 0,01 vises fargen rød, noe som indikerer at nullhypotesen sannsynligvis ikke er sann. Dersom testens p-verdi er mellom 0,01 og 0,1 vises fargen gul, noe som indikerer at nullhypotesen er usikker. Grønn indikerer at nullhypotesen ikke forkastes.

Kolonnen f_td gjengir p-verdi av en test for å vurdere om det er residual handledagseffekter i de sesongjusterte tallene. Testens nullhypotese er at den sesongjusterte serien ikke er påvirket av antall handledager i en måned. Den aktuelle testen er en f-test som vurderer de ulike handledagenes effekt på tidsserien ved å gjøre en regresjon med henblikk på hver av de ulike handledagene, for deretter å teste om regresjonskoeffisientene samlet sett er signifikant forskjellig fra null. Fargekoden er den samme som for testene av residualsesong over.

47.1

Kvalitetsindikatorer Sesong
Komponenter
Residualsesong
td
Navn Sesong M7 M10 M11 Q qs fried f_reg f_td
1 47.1 Present 0.08 0.22 0.19 0.18 1 0.67 0.56 0.86
2 47.11 Present 0.08 0.24 0.21 0.18 1 0.96 0.80 0.92
3 47.19 Present 0.12 0.24 0.23 0.36 1 0.83 0.80 0.91

47.2

Kvalitetsindikatorer Sesong
Komponenter
Residualsesong
td
Navn Sesong M7 M10 M11 Q qs fried f_reg f_td
4 47.2 Present 0.06 0.20 0.15 0.18 1 0.88 0.28 0.97
5 47.25 Present 0.06 0.17 0.16 0.27 1 0.87 0.46 0.98

47.3

Kvalitetsindikatorer Sesong
Komponenter
Residualsesong
td
Navn Sesong M7 M10 M11 Q qs fried f_reg f_td
6 47.3 Present 0.13 0.33 0.29 0.55 1 0.96 0.94 0.8

47.4

Kvalitetsindikatorer Sesong
Komponenter
Residualsesong
td
Navn Sesong M7 M10 M11 Q qs fried f_reg f_td
7 47.4 Present 0.12 0.42 0.39 0.37 1 1.00 0.89 1.00
8 47.41 Present 0.25 0.59 0.46 0.33 1 0.79 0.95 0.98
9 47.42 Present 0.28 0.69 0.67 0.48 1 1.00 0.99 0.98
10 47.43 Present 0.20 0.57 0.55 0.51 1 1.00 1.00 0.94

47.5

Kvalitetsindikatorer Sesong
Komponenter
Residualsesong
td
Navn Sesong M7 M10 M11 Q qs fried f_reg f_td
11 47.5 Present 0.12 0.39 0.38 0.34 1 1.00 0.99 0.99
12 47.51 Present 0.09 0.35 0.34 0.60 1 1.00 0.98 0.98
13 47.52 Present 0.10 0.23 0.22 0.29 1 0.93 0.89 1.00
14 47.53 Present 0.45 1.60 1.56 0.62 1 0.99 0.95 0.99
15 47.54 Present 0.13 0.45 0.44 0.38 1 0.99 0.96 0.81
16 47.59 Present 0.17 0.40 0.38 0.41 1 0.92 0.62 0.99

47.6

Kvalitetsindikatorer Sesong
Komponenter
Residualsesong
td
Navn Sesong M7 M10 M11 Q qs fried f_reg f_td
17 47.6 Present 0.09 0.29 0.28 0.36 1.00 1.00 0.99 0.95
18 47.61 Present 0.10 0.22 0.20 0.69 1.00 1.00 0.99 0.98
19 47.62 Present 0.45 0.96 0.91 0.91 0.08 1.00 0.83 0.66
20 47.63 Present 0.17 0.44 0.41 0.36 0.01 1.00 0.75 0.99
21 47.64 Present 0.18 0.43 0.39 0.40 1.00 0.99 0.93 0.98
22 47.65 Present 0.21 0.26 0.23 0.28 0.69 0.96 0.90 0.91

47.7

Kvalitetsindikatorer Sesong
Komponenter
Residualsesong
td
Navn Sesong M7 M10 M11 Q qs fried f_reg f_td
23 47.7 Present 0.09 0.28 0.27 0.35 1.00 0.98 0.57 1.00
24 47.71 Present 0.18 0.31 0.29 0.49 1.00 1.00 1.00 0.97
25 47.72 Present 0.18 0.39 0.38 0.72 1.00 0.87 0.65 0.97
26 47.73 Present 0.12 0.20 0.17 0.20 1.00 0.89 0.97 0.95
27 47.74 Present 0.20 0.78 0.75 0.50 1.00 0.96 1.00 0.92
28 47.75 Present 0.12 0.30 0.26 0.22 0.72 0.76 0.27 0.90
29 47.76 Present 0.10 0.32 0.30 0.32 1.00 0.97 0.85 1.00
30 47.77 Present 0.10 0.27 0.25 0.33 0.61 0.98 0.82 0.97
31 47.78 Present 0.22 0.45 0.43 0.40 1.00 0.94 0.91 1.00
32 47.79 Present 0.35 0.90 0.83 0.89 1.00 0.99 0.98 1.00

47.9

Kvalitetsindikatorer Sesong
Komponenter
Residualsesong
td
Navn Sesong M7 M10 M11 Q qs fried f_reg f_td
33 47.9 Present 0.25 0.86 0.79 0.33 0.67 0.97 0.93 0.91
34 47.91 Present 0.24 0.73 0.69 0.37 1.00 0.86 0.60 0.71
35 47.99 Present 0.45 1.10 1.04 0.62 1.00 1.00 0.99 0.25

Figurer

47.1

47.1

47.11

47.19

47.2

47.2

47.25

47.3

47.3

47.4

47.4

47.41

47.42

47.43

47.5

47.5

47.51

47.52

47.53

47.54

47.59

47.6

47.6

47.61

47.62

47.63

47.64

47.65

47.7

47.7

47.71

47.72

47.73

47.74

47.75

47.76

47.77

47.78

47.79

47.9

47.9

47.91

47.99

Forhåndsjustering med Reg-ARIMA

Tabellen under viser sentrale kvalitetsindiktarorer knyttet til forberedende justering av tidsserien med Reg-ARIMA-modell. Kolonnen log indikerer om tidsserien er log-transformert. Ved log-transformasjon anvendes en multipliktativ modell. Dersom serien ikke er log-transformert anvendes en additiv modell. Kolonnen ARIMA viser ARIMA-modellen som anvendes i forhåndsjusteringen av serien. AIRLINE-modellen er (0,1,1),(0,1,1). Kolonnen Outliers viser hvor mange ekstremverdier modellen har identifisert.1 Td_p gjengir p-verdi for test av nullhypotese om at det ikke er noen handledagseffekter. Denne testen er en f-test som undersøker om modellens koeffisienter knytter til handledagseffekter samlet sett er forskjellig fra null. Dersom serien ikke antar handledagseffekter vises NA. Dersom denne testen ikke lar seg beregne vises -99. Kolonnen indRes gjengir p-verdien for en test av om residualene i ARIMA-modellen er uavhengige. En antagelse om at residualene er uavhengige ligger til grunn for forhåndsjusteringen. Dersom residualene ikke er uavhengige kan det bety på at fremskrivningene i modellen er av lav kvalitet. Dette kan påvirke kvaliteten på sesongjusteringen for de siste observasjonene i tidsserien. Kolonnen ok viser om den valgte ARIMA-modellen tilfredsstiller pickmdl()-kriteriene ved estimeringstidspunktet. Kolonnen ok_final viser om ARIMA-modellen tilfredsstiller pickmdl()-kriteriene når også observasjoner etter estimeringstidspunktet tas i betraktning. Dersom ARIMA-modellen estimeres med henblikk på alle observasjoner i tidsserien, er ok og ok_final det samme. Kolonnen mdl_nr viser hvilken av de fem modellene i pickmdl()-listen modellen som er valgt. 1 står for AIRLINE-modellen, 2-5 står for en av de øvrige modellene i pickmdl()-listen, 6 står for en modell valgt med automdl().

47.1

Kvalitetsindikatorer ARIMA
Koeffisienter
Residualer
Pickmdl()
Navn log ARIMA outliers Td_p indRes ok ok_final mdl_nr
1 47.1 yes (0,1,1)(0,1,1) 10 0 0.81 TRUE TRUE 1
2 47.11 yes (0,1,1)(0,1,1) 10 0 0.87 TRUE TRUE 1
3 47.19 yes (0,1,2)(0,1,1) 2 0 0.13 TRUE TRUE 2

47.2

Kvalitetsindikatorer ARIMA
Koeffisienter
Residualer
Pickmdl()
Navn log ARIMA outliers Td_p indRes ok ok_final mdl_nr
4 47.2 yes (0,1,1)(0,1,1) 7 0 0.79 TRUE TRUE 1
5 47.25 yes (0,1,1)(0,1,1) 13 0 0.24 TRUE TRUE 1

47.3

Kvalitetsindikatorer ARIMA
Koeffisienter
Residualer
Pickmdl()
Navn log ARIMA outliers Td_p indRes ok ok_final mdl_nr
6 47.3 yes (0,1,1)(0,1,1) 9 0.02 0.64 TRUE TRUE 1

47.4

Kvalitetsindikatorer ARIMA
Koeffisienter
Residualer
Pickmdl()
Navn log ARIMA outliers Td_p indRes ok ok_final mdl_nr
7 47.4 yes (0,1,2)(0,1,1) 3 0 0.07 TRUE TRUE 2
8 47.41 yes (0,1,1)(0,1,1) 3 0 0.07 TRUE TRUE 1
9 47.42 yes (0,1,1)(0,1,1) 4 0 0.39 TRUE TRUE 1
10 47.43 yes (0,1,1)(0,1,1) 4 0 0.66 TRUE TRUE 1

47.5

Kvalitetsindikatorer ARIMA
Koeffisienter
Residualer
Pickmdl()
Navn log ARIMA outliers Td_p indRes ok ok_final mdl_nr
11 47.5 yes (0,1,1)(0,1,1) 3 0 0.43 TRUE TRUE 1
12 47.51 yes (0,1,1)(0,1,1) 2 0 0.29 TRUE TRUE 1
13 47.52 yes (0,1,1)(0,1,1) 2 0 0.17 TRUE TRUE 1
14 47.53 yes (0,1,1)(0,1,1) 12 0 0.07 TRUE TRUE 6
15 47.54 yes (0,1,1)(0,1,1) 2 0 0.67 TRUE TRUE 1
16 47.59 yes (0,1,1)(0,1,1) 2 0 0.28 TRUE TRUE 1

47.6

Kvalitetsindikatorer ARIMA
Koeffisienter
Residualer
Pickmdl()
Navn log ARIMA outliers Td_p indRes ok ok_final mdl_nr
17 47.6 yes (0,1,1)(0,1,1) 8 0 0.46 TRUE TRUE 1
18 47.61 yes (0,1,1)(0,1,1) 2 0 0.77 TRUE TRUE 1
19 47.62 yes (0,1,1)(0,1,1) 6 NA 0.22 TRUE TRUE 1
20 47.63 yes (0,1,1)(0,1,1) 9 0 0.26 TRUE TRUE 1
21 47.64 yes (0,1,1)(0,1,1) 2 0 0.18 TRUE TRUE 1
22 47.65 yes (0,2,2)(0,1,1) 7 0 0.18 TRUE TRUE 4

47.7

Kvalitetsindikatorer ARIMA
Koeffisienter
Residualer
Pickmdl()
Navn log ARIMA outliers Td_p indRes ok ok_final mdl_nr
23 47.7 yes (0,1,1)(0,1,1) 5 0 0.45 TRUE TRUE 1
24 47.71 no (0,1,1)(0,1,1) 8 0 0.18 FALSE FALSE 1
25 47.72 no (0,1,1)(0,1,1) 3 0 0.91 FALSE FALSE 1
26 47.73 yes (0,1,1)(0,1,1) 2 0 0.89 TRUE TRUE 1
27 47.74 yes (0,1,1)(0,1,1) 7 0 0.17 TRUE TRUE 1
28 47.75 yes (0,1,1)(0,1,1) 12 0 0.75 TRUE TRUE 1
29 47.76 yes (0,1,1)(0,1,1) 2 0 0.08 TRUE TRUE 1
30 47.77 yes (0,1,1)(0,1,1) 10 0 0.84 TRUE TRUE 1
31 47.78 yes (0,1,1)(0,1,1) 5 0 0.19 TRUE TRUE 1
32 47.79 yes (0,1,1)(0,1,1) 8 0 0.76 FALSE FALSE 1

47.9

Kvalitetsindikatorer ARIMA
Koeffisienter
Residualer
Pickmdl()
Navn log ARIMA outliers Td_p indRes ok ok_final mdl_nr
33 47.9 yes (0,1,1)(0,1,1) 1 0 0.08 TRUE TRUE 1
34 47.91 yes (0,1,1)(0,1,1) 2 0 0.11 TRUE TRUE 1
35 47.99 yes (0,1,1)(0,1,1) 0 NA 0.14 TRUE TRUE 1

  1. Hvordan outliers telles avhenger av opsjonen outlier_choiche i sa_quality_report()-funksjonen: 1) Alle outliers telles. 2) Ved identification_end og identify_outliers = TRUE (default) telles antall outliers etter frysingstidspunkt. Ved identification_end og identify_outliers = FALSE, telles antall outliers som ikke er forhåndsdefinert i spesifikasjonen. Dersom modell ikke fryses med identification_end telles her ingen outliers. 3) Alle outliers utenfor coronaperioden telles dersom corona = TRUE i spesifikasjonen for serien. Dersom corona = FALSE telles alle outliers. 4) Alle outliers som ikke er forhåndsdefinert telles.↩︎